이동 평균 필터 빠른

이동 평균. 이 예제는 Excel에서 시계열의 이동 평균을 계산하는 방법을 가르쳐줍니다. 이동 평균은 불규칙한 봉우리와 계곡을 부드럽게하여 경향을 쉽게 인식하는 데 사용됩니다 .1 먼저 시간 시리즈를 살펴 보겠습니다 .2 데이터 탭에서 데이터 분석을 클릭하십시오. 데이터 분석 단추를 찾을 수 없습니다. 여기를 클릭하여 분석 도구 추가 기능을로드하십시오 .3 이동 평균을 선택하고 확인을 클릭하십시오 .4 입력 범위 상자를 클릭하고 B2 M2 범위를 선택하십시오. 5 간격 상자를 클릭하고 6.6을 입력합니다. 출력 범위 상자를 클릭하고 셀 B3.8을 선택합니다. 이 값의 그래프를 플롯합니다. 설명 간격을 6으로 설정했기 때문에 이동 평균은 이전 5 개 데이터 포인트의 평균이고 현재 데이터 포인트 결과적으로 최고점과 최저점은 부드럽게됩니다. 그래프는 증가 추세를 보여줍니다. Excel은 이전 데이터 포인트가 충분하지 않기 때문에 처음 5 개 데이터 포인트에 대한 이동 평균을 계산할 수 없습니다 .9 간격 2에 대해 2 - 8 단계를 반복하십시오 및 간격 4. 결론 간격이 클수록 봉우리와 골이 더 매끄럽게됩니다. 간격이 작을수록 이동 평균이 실제 데이터 포인트에 가까워집니다. 이동 평균 - MA. 깨어 난 이동 평균 - MA. SMA 예를 들어 보안을 고려하십시오 15 일 동안 다음 종가가 적용됩니다. 주 1 5 일 20, 22, 24, 25, 23. 주 2 5 일 26, 28, 26, 29, 27 주 3 5 일 28, 30, 27, 29, 28 10 일간의 MA는 첫 번째 데이터 포인트로서 첫 10 일 동안 종가를 평균화 할 것입니다. 다음 데이터 포인트는 가장 빠른 가격을 내리고, 11 일에 가격을 추가하고, 평균을 취하는 등등입니다. 이전에 언급했듯이, MA는 과거 가격을 기반으로하기 때문에 현행 가격 조치에 뒤처집니다. MA 기간이 길수록 지연 시간이 길어집니다. 따라서 200 일 MA는 20 일 MA보다 지연이 훨씬 큽니다. 그것은 지난 200 일간의 가격을 포함합니다. 사용할 MA의 길이는 단기 거래 및 장기 거래에 사용되는 MA가 짧은 거래 목표에 따라 다릅니다 MA는 장기 투자자에게 더 적합합니다. 200 일간의 MA에는 투자자와 거래자가 널리 퍼져 있으며, 이 이동 평균 위와 아래의 휴식은 중요한 거래 신호로 간주됩니다. MA는 또한 중요한 거래 신호를 그들 스스로 부여하거나, 두 평균 교차하는 상승하는 MA는 안전이 상승 추세에있는 반면 감소하는 MA는 하락 추세에 있음을 나타냅니다. 마찬가지로 상승 모멘텀은 단기 MA가 장기 MA보다 높을 때 발생하는 완고한 교차로 확인됩니다 모멘텀은 단기 MA가 장기 MA 아래로 교차 할 때 발생하는 약한 크로스 오버로 확인됩니다. 다른 사람들이 언급했듯이 현재 사용중인 FIR 유한 임펄스 응답 필터가 아닌 IIR 무한 임펄스 응답 필터를 고려해야합니다 더 많은 것이 있지만, 처음에는 FIR 필터가 명시적인 컨볼 루션 및 방정식이있는 IIR 필터로 구현됩니다. 마이크로 컨트롤러에서 많이 사용하는 특정 IIR 필터는 단일 극입니다 저역 통과 필터 이것은 단순한 RC 아날로그 필터의 디지털 등가물입니다. 대부분의 어플리케이션에서, 이들은 사용중인 박스 필터보다 우수한 특성을 갖습니다. 내가 만난 상자 필터의 대부분의 용도는주의를 기울이지 않은 결과입니다 특정 특성을 필요로하지 않기 때문에 디지털 신호 처리 클래스가 아닙니다. 잡음 만 알고있는 고주파수를 감쇄시키려는 경우 단극 저역 통과 필터가 더 좋습니다. 마이크로 컨트롤러에서 디지털 방식으로 구현하는 가장 좋은 방법은 대개입니다. 필름 - FILT FF NEW - FILT. FILT는 지속 상태의 조각입니다. 이 필터를 계산하는 데 필요한 유일한 지속 변수입니다. NEW는 필터가이 반복으로 업데이트되는 새 값입니다. FF는 무게를 조정하는 필터 분수입니다 이 알고리즘을 살펴보면 FF 0의 경우 출력이 변하지 않기 때문에 필터가 무한히 무겁다는 것을 알 수 있습니다. FF 1의 경우 실제로 출력이 없기 때문에 전혀 필터가 없습니다. ws the input 유용한 값은 사이에 있음 작은 시스템에서는 FF로 곱하기를 N 비트만큼 오른쪽 시프트로 수행 할 수 있도록 FF를 선택합니다. 예를 들어, FF는 1 16 일 수 있고 따라서 FF로 곱하기 그렇지 않으면 숫자는 일반적으로 입력 값보다 더 많은 숫자 정밀도에 대해 아래에있는 별도의 섹션에서 더 넓을 필요가 있지만이 필터는 단 하나의 빼기와 하나의 덧셈을 필요로합니다. 일반적으로 AD 판독 값은 필요한 것보다 훨씬 빠르고 이 두 필터를 직렬로 연결하십시오. 두 개의 RC 필터가 직렬로 연결된 디지털 방식으로 적용되며 롤오프 주파수보다 12dB 옥타브 감쇠됩니다. 그러나 AD 판독의 경우 일반적으로 시간 영역에서 필터를 고려하여 스텝 응답 측정하는 것이 변화 할 때 시스템이 얼마나 빨리 변화 하는지를 알 수 있습니다. FF를 선택하고 얼마나 많은 캐스 캐 이드를 취하는지를 결정하는 이러한 필터 설계를 용이하게하기 위해 필자는 자신의 prog ram FILTBITS 계단식 필터의 각 FF에 대한 이동 비트 수를 지정하고 계단 응답 및 기타 값을 계산합니다. 실제로 저는 래퍼 스크립트 PLOTFILT를 통해 이것을 실행합니다. 이것은 CSV 파일을 만든 후 플롯을 작성하는 FILTBITS를 실행합니다 CSV 파일 예를 들어, PLOTFILT 4의 결과입니다. 4. PLOTFILT에 대한 두 개의 매개 변수는 위에서 설명한 유형의 캐스케이드 된 두 개의 필터가 있음을 의미합니다. 4의 값은 FF로 곱셈을 실현하는 시프트 비트 수를 나타냅니다. 따라서 FF 값은이 경우 1 16입니다. 적색 트레이스는 단위 스텝 응답이며, 보아야 할 주요 사항입니다. 예를 들어 입력이 순간적으로 변경되면 결합 된 필터의 출력은 90으로 고정됩니다 60 회 반복의 새로운 가치 당신이 약 95 번의 정착 시간을 신경 쓰면 약 73 회 반복을 기다려야하고 50 회 정착 시간은 26 번의 반복이 필요합니다. 녹색 추적은 단일 진폭 스파이크의 출력을 보여줍니다. 무작위 잡음 억제의 결과 단일 샘플이 출력에서 ​​2 5 이상의 변화를 일으킬 것 같지 않습니다. 파란 흔적은이 필터가 백색 잡음으로 수행하는 것의 주관적인 느낌을주는 것입니다. 이것은 엄격한 테스트가 아니기 때문에 가능합니다. PLOTFILT의 실행을 위해 화이트 노이즈 입력으로 선택된 난수의 내용이 정확히 무엇인지 보장 할 수 없습니다. 얼마나 많이 부숴지며 얼마나 부드러운 지에 대한 거친 느낌을 줄뿐입니다. PLOTFILT, FILTBITS 및 특히 PIC 펌웨어 개발을위한 많은 유용한 것들은 내 소프트웨어 다운로드 페이지에서 PIC 개발 도구 소프트웨어 릴리스에서 사용할 수 있습니다. 수치 정밀도에 대해 추가되었습니다. 주석에서 볼 수있는 새로운 대답을 볼 수 있습니다. 이 필터를 구현하는 데 필요한 비트 FF로 곱하면 Log 2 FF의 새 비트가 이진 지점 아래에 생성된다는 점에 유의하십시오. 작은 시스템에서는 일반적으로 FF가 1 2 N으로 선택되므로이 곱셈은 오른쪽 시프트로 실제로 구현됩니다 t는 N 비트입니다. 따라서 파일은 대개 고정 소수점 정수입니다. 이 값은 프로세서의 관점에서 계산을 변경하지 않습니다. 예를 들어 10 비트 AD 판독 값과 N 4 FF 1 16을 필터링하는 경우 10 비트 정수 AD 판독 값보다 4 분수 비트가 필요합니다 대부분의 프로세서는 10 비트 AD 판독 값으로 인해 16 비트 정수 연산을 수행합니다. 이 경우에도 정확히 동일한 16 비트 정수 연산을 수행 할 수 있지만 AD 판독 값이 4 비트 씩 왼쪽으로 이동 함 프로세서가 차이를 알지 못하고 전체 16 비트 정수에서 수학을 수행해야하는지 여부 12 비트 고정 소수점 또는 실제 16 비트 정수 16 고정 소수점으로 간주할지 여부에 관계없이 작동합니다. 일반적으로 , 숫자 표현으로 인해 잡음을 추가하고 싶지 않으면 N 개의 각 필터 극을 추가해야합니다. 위의 예에서 두 번째 필터는 정보를 잃지 않기 위해 10 4 4 18 비트가 있어야합니다. 실제로 24 비트 값을 사용한다는 것을 의미하는 8 비트 컴퓨터 기술 단지 두 번째 극점 만이 더 넓은 값을 필요로 할 것이지만, 펌웨어 단순화를 위해 필자는 보통 필터의 모든 극점에 대해 동일한 표현과 동일한 코드를 사용합니다. 일반적으로 하나의 필터 극 작업을 수행하는 서브 루틴이나 매크로를 작성합니다 그런 다음 각 극에 적용 서브 루틴이나 매크로가 특정 프로젝트에서 사이클이나 프로그램 메모리가 더 중요한지 여부에 따라 달라집니다 어느 쪽이든, 필자는 FILT를 업데이트하는 서브 루틴 매크로에 NEW를 전달하기 위해 스크래치 상태를 사용하지만 같은 긁힌 상태로 NEW NEW NEW IN IN PUBLIC이 새로운 PILT를 만들었습니다. 한 극의 업데이트 된 FILT가 다음 P NEWT 이후 여러 개의 극을 쉽게 적용 할 수 있습니다. 서브 루틴이있을 때 FILT를 가리키는 포인터가있는 것이 유용합니다. 은 출구에서 FILT 바로 다음으로 업데이트됩니다. 그런 식으로 서브 루틴은 여러 번 호출되는 경우 메모리의 연속 필터에서 자동으로 작동합니다. 매크로를 사용하면 각 반복에서 작동하도록 주소를 전달하므로 포인터가 필요하지 않습니다. 코드 예. 여기 PIC 18에 대해 위에서 설명한 매크로의 예가 나와 있습니다. 여기 PIC 24 또는 dsPIC 30 또는 33에 대한 유사한 매크로가 있습니다. 이 두 예제는 모두 내 PIC 어셈블러 선 처리기를 사용하여 매크로로 구현됩니다. 내장 매크로 기능 중 하나. clabacchio 언급 했어야 할 또 다른 문제는 펌웨어 구현입니다. 한 번만 단극 로우 패스 필터 서브 루틴을 작성한 다음 여러 번 적용 할 수 있습니다. 실제로 필자는 보통 메모리에 포인터를 가져 와서 서브 루틴을 작성하는 등의 서브 루틴을 작성합니다 포인터를 연속적으로 쉽게 호출하여 다극 필터를 구현할 수 있습니다. Olin Lathrop Apr 20 12 at 15 03.1 답변을 많이 보내 주셔서 감사합니다. 이 IIR 필터를 사용하기로 결정했지만이 필터는 다음과 같이 사용되지 않습니다. Standard LowPass Filter. 이 값은 하드웨어에 따라 매우 다른 차원이되기 때문에 카운터 값의 평균을 구하고 특정 범위의 변경을 감지해야합니다. 이러한 하드웨어에 반응하려면 평균을 취하고 싶었습니다. 특정 변경 사항은 자동으로 sensslen 5 월 21 12 12 06. 당신은 평균 2,4,8,16,32 등 평균에 항목의 두 숫자의 힘으로 살 수 있다면 다음 나누기 쉽고 효율적으로 할 수 있습니다 그것은 비트 시프트로 할 수 있기 때문에 전용 분할없이 낮은 성능 마이크로 각각의 시프트 권리는 두 eg. The OP의 한 권력이다 그는 PIC16 및 그의 반지 버퍼에 대한 메모리 나누어 두 문제가 있다고 생각이 답변은 어렵지 않습니다. 메모리 문제는 해결하지 못했지만 SE 시스템은 부분 응답을 허용하고 사용자는 각 답변에서 무언가를 취하거나 다른 대답을 편집하고 결합 할 수 있습니다. 다른 대답 중 일부는 나누기 연산이 필요하기 때문에 그들은 PIC16 Martin 4 월 20 일 12시 13 분 01에 효율적으로 이것을 달성하는 방법을 보여주지 않기 때문에 비슷하게 불완전합니다. 다운 샘플링을하지 않으면 적은 메모리 요구량으로 진정한 이동 평균 필터 일명 boxcar 필터에 대한 해답이 있습니다. 계단식 적분기 - 콤 필터 (cascaded integrator-comb filter)라고 불리는 CIC 아이디어는 시간차가있는 적분기를 가지고 있으며, 주요 메모리 절약 장치는 다운 샘플링을 통해 이브를 저장하지 않아도된다는 것입니다 적분기의 값 다음 의사 코드를 사용하여 구현할 수 있습니다. 유효 이동 평균 길이는 decimationFactor statesize이지만 statesize 샘플 만 유지하면됩니다. statesize 및 decimationFactor가 2의 제곱수이면 분명히 더 나은 성능을 얻을 수 있습니다. 포스트와 필자는 이동 평균 필터를 사용하기 전에 항상 간단한 IIR 필터를 고려해야한다는 것에 동의한다. 박스 카 필터의 주파수 - 널을 필요로하지 않는다면 1 극 또는 2 극 로우 패스 필터가 잘 작동 할 것입니다. 반면에 샘플링 속도가 높은 입력을 받아 데시 메이션을 목적으로 필터링하고 저속 프로세스에서 사용하기 위해 평균화하면 CIC 필터 특히 stateize 1을 사용하고 이전의 적분기 값 하나만 있으면 ringbuffer를 피할 수 있다면 특히 찾고있는 것일 수 있습니다. 첫 번째 ord를 사용한 수학에 대한 심층 분석 erlin 필터는 Olin Lathrop이 이미 Digital Signal Processing 스택 교환기에서 설명한 것입니다. 예쁜 그림이 많이 포함되어 있습니다. 이 IIR 필터의 방정식은 정수입니다. 다음 코드를 사용하는 나누기는 정수로만 구현할 수 있습니다. 일부 디버깅이 필요할 수도 있습니다. 이 필터는 알파 값을 1 K로 설정하여 마지막 K 샘플의 이동 평균을 근사합니다. 앞의 코드에서 BITS를 LOG2 K로 설정하여이를 수행합니다. 즉 K 16의 경우 BITS를 4로 설정하고 K의 경우 4는 BITS를 2로 설정합니다. 필요한 경우 여기에 코드를 입력하고 수정하면됩니다. 대답 6 월 23 일 12시 4 분 04 초. 단극 저역 통과 필터 이동 평균 cutoff frequency CutoffFrequency 매우 간단하고, 빠르며, 훌륭하게 작동하며, 메모리 오버 헤드가 거의 없습니다. 모든 변수는 newInput에 전달 된 것을 제외하고는 필터 함수를 벗어나는 범위를가집니다. 참고 이것은 단일 단계 필터입니다. 여러 단계를 함께 계단식으로 선명도 필터 하나 이상의 스테이지를 사용하는 경우, DecayFactor를 보정하기 위해 Cutoff-Frequency와 관련하여 조정해야합니다. 그리고 분명히 필요한 것은 두 라인을 어디에나 배치하고, 자신의 기능을 필요로하지 않습니다. 이 필터에는 ramp-up 시간은 입력 신호의 평균을 나타냅니다. ramp-up 시간을 우회해야 할 경우 MovingAverage를 0 대신 newInput의 첫 번째 값으로 초기화하고 첫 번째 newInput이 이상 값이되지 않았 으면합니다. CutoffFrequency SampleRate는 0에서 0 사이의 범위를가집니다. 5 DecayFactor는 0과 1 사이의 값입니다. 보통 1에 가깝습니다. 단 정밀도 수레는 대부분의 경우 충분하지만 두 배를 선호합니다. 정수를 사용해야하는 경우 DecayFactor와 Amplitude Factor를 분수 정수로 변환합니다. 분자는 정수로 저장되고 분모는 2의 정수 배수이므로 필터 루프에서 분 할하지 않고 분모로 오른쪽으로 비트 시프트 할 수 있습니다. For 예를 들어, DecayFactor 0 99이고 정수를 사용하려는 경우 DecayFactor 0을 설정할 수 있습니다. 99 65536 64881 그리고 필터 루프에서 DecayFactor를 곱하면 언제든지 결과를 바꿀 수 있습니다. 자세한 내용은 다음을 참조하십시오. 재치 필터에 대한 19 장. 이동 평균 패러다임의 경우 DecayFactor 및 AmplitudeFactor를 사용자의 요구와 더 관련이있는 것으로 설정하는 다른 접근 방식으로 이전 6 개 항목 에테르, 이산 적으로, 당신은 6 개의 아이템을 추가하고 6으로 나누기 때문에, AmplitudeFactor를 1 6으로, DecayFactor를 1 0으로 설정할 수 있습니다 - AmplitudeFactor. answered 5 월 14 일 12시 22 분 55. 다른 누구도 유틸리티에 대해 철저히 주석을 달았습니다 IIR 대 FIR 및 2의 제곱 부분에 대해서 구현 세부 사항을 알려 드리고자합니다 아래는 FPU가없는 소형 마이크로 컨트롤러에서 잘 작동합니다 곱셈은 없으며 N을 2의 제곱으로 유지하면 모든 부분 단일 사이클 비트 시프 팅입니다. 기본 FIR 링 버퍼는 마지막 N 값의 실행 버퍼를 유지하고 버퍼의 모든 값의 SUM을 실행합니다. 새 샘플이 들어올 때마다 SUM에서 버퍼의 가장 오래된 값을 빼십시오 , 새 샘플로 바꾸고, SUM에 새 샘플을 추가하고, SUM N을 출력합니다. 수정 된 IIR 링 버퍼 마지막 N 개 값의 SUM을 계속 실행합니다. 새 샘플이 들어올 때마다 SUM - SUM N에 새로운 샘플, 출력 SUM N. answered 8 월 28 일 13시 13 분 45. 만약 내가 올바르게 읽는다면, IIR 필터는 빼는 값이 아니지만 가장 오래된 값은 빠져 나가고 있지만 이전 값의 평균값입니다. 1 차 IIR 필터는 확실히 유용 할 수 있지만 출력 모든주기 신호에 대해 동일합니다 10KHz 샘플 속도에서 20 스테이지 박스 필터에 100Hz 구형파를 공급하면 20 개의 샘플에 대해 균일하게 상승하고 30 일 동안 높게 나타나며 20 개의 샘플에 대해 균일하게 떨어지고 낮게 나타나는 신호를 생성합니다 30 A 1 차 IIR 필터 수퍼 캣에 대해 8 월 28 일 13시 15 분 31 초. 급격히 상승을 시작하고 입력 최대 근처가 아닌 점차적으로 떨어지는 웨이브를 얻을 때 급격히 떨어지기 시작하고 점차적으로 입력에서 가깝게 떨어지지만 최소 매우 다른 행동 supercat Aug 28 13 at 15 32. 하나의 간단한 이동 평균은 유용 할 수도 있고 유용하지 않을 수도 있습니다. IIR 필터를 사용하면 상대적으로 적은 수의 calc로 멋진 필터를 얻을 수 있습니다. 설명하는 FIR은 시간의 직사각형 - 주파수 - 그리고 당신은 사이드 로브를 관리 할 수 ​​없습니다. 그것은 좋은 대칭 튜너 블 FIR을 만들기 위해 정수 곱셈을 던질만한 가치가 있습니다. 만약 당신이 시계 진드기를 남겨 둘 수 있다면 Scott Seidman Aug 29 13 13 50. ScottSeidman No FIR의 각 스테이지가 단순히 그 스테이지에 대한 입력의 평균값과 이전에 저장된 값을 출력하고 하나가 숫자 범위를 가지면 입력을 저장하는 경우 multiplies가 필요하며 평균보다 합계를 사용할 수 있는지 여부 상자 필터보다 더 나은 응용 프로그램에 따라 1ms 총 지연 상자 필터의 단계 응답, 예를 들어, 불쾌한 d2 dt 스파이크있을 때 입력 변경 및 다시 1ms 나중에 있지만 가능한 최소있을 것입니다 dt는 총 1ms 지연을 가진 필터입니다. supercat Aug 29 13 at 15 mikeselectricstuff가 말하길, 정말로 메모리 요구량을 줄여야한다면, 임펄스 응답이 직사각형 펄스가 아닌 지수 함수가되는 것을 염두에 두지 마십시오. 기하 급수적으로 움직이는 애비뉴로 갈거야. 분노 필터 나는 그것들을 광범위하게 사용한다. 그 유형의 필터로는 어떤 버퍼도 필요 없다. 과거의 샘플을 저장해야한다. 하나 뿐이다. 따라서, 메모리 요구량은 N의 인자로 줄어든다. 그 부분에 대한 곱셈 부동 소수점 연산에 액세스 할 수 있다면 부동 소수점 곱셈 사용 그렇지 않으면 정수 곱셈 및 오른쪽으로 이동 그러나 우리는 2012 년에 있으며 컴파일러와 MCU를 사용하여 부동 소수점 숫자로 작업 할 수 있습니다. 더 많은 메모리가 효율적이고 빠르지 만 순환 버퍼에서 항목을 업데이트하지 않아도됩니다. 지수 적 임펄스 응답이 자연의 동작 방식과 잘 일치하기 때문에 자연스러운 것이라고 말할 수 있습니다. 대부분의 경우. inly와 supercat에 의해 거의 만져졌지만 다른 사람들에 의해 무시 된 것처럼 IIR 필터에 관한 한 가지 문제는 반올림이 N을 가정 할 때 어떤 부정확하고 잠재적 인 바이어스 절단을 초래한다는 것이다. 2의 거듭 제곱이며 정수 연산 만 사용하면 시프트 권한으로 인해 새 샘플의 LSB가 체계적으로 제거됩니다. 즉, 시리즈가 얼마나 오래 지속될 수 있는지를 평균값으로 간주하지 않습니다. 예를 들어, 시리즈 8,8,8,8,7,7,7,7,6,6을 줄이고 처음에는 평균이 실제로 8이라고 가정합니다. 주먹 7 샘플은 필터 강도에 관계없이 평균 7을 가져옵니다. 6 층 이야기 등등. 이제는 세리가 올라간다는 것을 생각해보십시오. 평균은 변화가 생길 때까지 평균 7에 머무를 것입니다. 물론, 1 2 N 2를 추가하여 바이어스를 보정 할 수는 있지만, 이 경우 정밀도 문제를 실제로 해결하지 못합니다. 감소하는 시리즈는 샘플이 8-1 2 N 2 일 때까지 영원히 머무를 것입니다. 예를 들어 N 4의 경우 0보다 큰 샘플은 평균을 유지합니다. 잃어버린 LSB의 누적기를 보유하는 것을 암시합니다. 그러나 코드를 준비 할 정도로 멀리 만들지는 않았습니다. 예를 들어 7,9,7,9가 평균 8 일 때와 같은 일련의 다른 사례에서 IIR 전력에 해를 끼치 지 않을지 확신 할 수 없습니다. Olin, 2 단계 캐스케이드에는 몇 가지 설명이 필요합니다. 각 반복에서 첫 번째 결과의 두 번째 값으로 평균값 2 개를 유지한다는 의미입니까?